基于机器视觉的客流量统计技术研究

论文摘要

计算机视觉技术的突飞猛进带动了整个智能视频监控产业链的快速发展,由此孕育的巨大商机激发越来越多的企业及研究机构投入到该行业的前沿技术研发中来。在这样背景下,基于图像处理、模式识别的人流量统计技术逐渐发展起来,由于人流量数据可以为商场、机场、公交公司、地铁站等场所进行智能管理和决策提供重要依据,因而该项技术在智能视频监控领域中占据了非常重要的地位。本文针对公交车客流量统计技术展开了系统深入的研究,并提出了一套完整的解决方案。在车载智能监控系统中,摄像机俯视整个监控场景,本文充分利用了摄像机成像视角的特殊性采用检测识别乘客人头有效的避开了人体识别这一难点,因为人头更类似于一个刚体且彼此之间的遮挡概率更小。本文采用梯度方向直方图作为人头特征描述子,线性支撑向量机作为学习算法建立关于人头的线性目标分类模型。线性目标分类模型再结合多尺度检测窗口滑动搜索的机制将输入图像从原始空间映射到新的空间中,转换为分值映射图像,分值映射图像经过一些简单的处理即可容易的实现人头检测。本文的人头跟踪技术在粒子滤波器的整体框架下采用了目标检测指导目标跟踪的机制,稳定的捕获了人头目标的运动轨迹。最后通过对运动轨迹进行分析,判断出乘客的行为方式,继而实现客流量的自动统计计数。实验结果表明本文提出的客流量统计算法能有效的抵抗外界条件变化的干扰,具有较高的统计准确度。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 本文结构
• 2 人头检测技术原理
• 2.1 制作样本集
• 2.2 特征提取
• 2.3 训练学习目标分类模型
• 2.4 人头检测识别
• 2.5 本章小结
• 3 粒子滤波在人头跟踪中的应用
• 3.1 粒子滤波的基本原理
• 3.2 粒子滤波的详细设计
• 3.3 本章小结
• 4 目标检测和目标跟踪的融
• 4.1 贪婪的数据关联
• 4.2 目标检测指导下的目标跟踪
• 4.3 本章小结
• 5 目标行为分析及人流量统计
• 5.1 目标在场景中的复杂状况处理
• 5.2 目标行为分析
• 5.3 客流统计结果及分析
• 5.4 本章小结
• 6 全文总结
• 6.1 研究内容回顾及论文特色
• 6.2 进一步研究展望
• 致谢
• 参考文献
• 附录 攻读学位期间取得的成果